Strands Agents - Doconda

pip install strands-agents doconda

Con el SDK de Python

doconda.tools() es JSON Schema, el mismo formato que la especificación de herramientas de Strands:

import json
import os

from doconda import Doconda
from strands import Agent
from strands.models import BedrockModel
from strands.tools import PythonAgentTool


def as_strands_tool(t):
    def run(tool_use, **_):
        out = t.run(tool_use["input"])
        return {"toolUseId": tool_use["toolUseId"], "status": "success", "content": [{"text": json.dumps(out)}]}

    spec = {"name": t.name, "description": t.description, "inputSchema": {"json": t.input_schema}}
    return PythonAgentTool(t.name, spec, run)


agent = Agent(
    model=BedrockModel(model_id=os.environ["BEDROCK_MODEL_ID"]),
    tools=[as_strands_tool(t) for t in Doconda().tools()],
)

agent("Crea una presentación de 5 diapositivas sobre nuestros resultados del trimestre")

Las credenciales salen de tu entorno de AWS (AWS_REGION, AWS_ACCESS_KEY_ID…). BEDROCK_MODEL_ID es cualquier modelo activado en tu cuenta de Bedrock. Con el SDK de Python.

Con MCP

import os

from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient

doconda = MCPClient(
    url="https://api.eu.doconda.com/mcp",
    headers={"Authorization": f"Bearer {os.environ['DOCONDA_API_KEY']}"},
)

agent = Agent(model=BedrockModel(model_id=os.environ["BEDROCK_MODEL_ID"]), tools=[doconda])
agent("Hazme un Excel con el presupuesto del evento")

Para usarlo en local, en vez del remoto:

from mcp import StdioServerParameters, stdio_client
from strands.tools.mcp import MCPClient

MCPClient(lambda: stdio_client(StdioServerParameters(command="npx", args=["-y", "@doconda/mcp"], env={"DOCONDA_API_KEY": "ak_eu_…"})))

En Amazon Bedrock AgentCore

El agente es el mismo: despliégalo en AgentCore Runtime como cualquier agente de Strands. Guarda la clave de Doconda como secreto (DOCONDA_API_KEY), no en el código.